受王宽诚教育基金资助，4月11-13日，由兰州大学基础医学院、兰州大学健康数据科学研究院主办，兰州大学基础医学院循证医学教研室及WHO指南实施与知识转化合作中心承办的“世界卫生组织指南研讨会”在兰州召开。本次会议的主题为：AI如何促进WHO指南及医学证据的生成与转化。来自中国、瑞士、韩国、英国等国的专家学者共30余人参加了研讨。

研讨会由兰州大学基础医学院教授、WHO指南实施与知识转化合作中心主任、兰州大学健康数据科学研究院执行院长陈耀龙教授主持，兰州大学基础医学院安东平书记和兰州大学开源软件与实时系统教育部工程研究中心主任周庆国教授致开幕词。

在主题报告环节，兰州大学信息科学与工程学院周睿教授作《The Recent Progress and Trends of Generative Artificial Intelligence》的报告，系统梳理了生成式人工智能的演进历程与技术框架，回顾其从图灵测试到 Transformer 模型的技术演进，介绍了单模态（如 ChatGPT）及多模态（如文本生成视频模型 Sora）应用现状，强调生成式 AI 在科研与医学中的赋能。

英国医学信息学专家 Douglas Badenoch教授的演讲主题为《30 years of Evidence-Based Health Care: An Information Scientist’s perspective》，分享其参与开发 EQUATOR、AGREE 等工具推动研究质量提升的历程，提出循证医疗已进入 AI 驱动的阶段，肯定 AI 在证据生成、决策支持中的潜力，同时呼吁警惕技术依赖风险，强调跨学科协作与证据素养培养的重要性。

兰州大学兼职教授、韩国韩医研究院Myeong Soo Lee教授分享主题为《Systematic map on traditional medicine across health outcomes: Lessons for future studies》，介绍了传统医学领域证据图的构建成果，通过系统性综述整合全球传统医学研究（如草药、针灸），利用交互式与非交互式证据图可视化证据缺口与研究特征，指出当前传统医学研究质量普遍偏低，强调了需优先提升临床试验方法学严谨性、填补研究空白、避免低效重复研究，为政策制定者提供了优化传统医学证据体系的参考方向。

兰州大学兼职教授、瑞士日内瓦大学Janne Estill高级研究员，进行了题为《Towards personalized medicine and precision epidemiology: using articficial intelligence to close gaps in evidence》的报告，以流行病学案例为引，呈现AI在疾病预测、药物研发及政策模拟中的实践成果，如机器学习预测HIV患者失访风险及高危人群筛查、深度学习解析SARS-CoV-2序列变异规律、生成式AI优化共病治疗与疫情预测等。强调精准与个性化医学借助数据和方法发展更具可行性，通过AI结合传统方法实现全球精准健康目标。

本次研讨会为AI技术在WHO指南制订、证据转化及全球健康治理中的应用提供了思路、方法和案例。作为WHO在全球唯一的指南实施与知识转化领域的合作中心，该中心将依托兰州大学，充分发挥其国际智库的角色，在AI加速健康标准制订方面，发挥更多的作用。